app.py

import gradio as gr
from transformers import AutoModel, AutoTokenizer
import torch
import scipy.io.wavfile as wavfile
import numpy as np
import os

# Charger le modèle depuis Hugging Face
model_name = "2Noise/ChatTTS"
model = AutoModel.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

def text_to_speech(text):
    # Tokenisation du texte
    inputs = tokenizer(text, return_tensors="pt")

    # Génération de l'audio
    with torch.no_grad():
        outputs = model(**inputs)

    # Récupération des données audio
    audio = outputs.last_hidden_state.squeeze().cpu().numpy()

    # Normalisation et conversion en int16 pour l'enregistrement WAV
    audio = (audio * 32767).astype(np.int16)
    output_path = "output.wav"
    wavfile.write(output_path, 22050, audio)

    return output_path

# Interface Gradio
interface = gr.Interface(
    fn=text_to_speech,
    inputs=gr.Textbox(label="Entrez votre texte ici"),
    outputs=gr.Audio(type="filepath"),
    title="ChatTTS - Synthèse Vocale",
    description="Entrez un texte et écoutez la voix générée avec ChatTTS."
)

# Lancer l'application
interface.launch()